[发明专利]信用分值预测方法及装置

说明书

本发明公开了一种信用分值预测方法及装置，属于大数据技术领域。方法包括：获取至少两个数据源中每个数据源提供的样本数据，分别根据至少两个数据源中每个数据源提供的样本数据进行训练，得到与至少两个数据源对应的至少两个预测子模型，并获取每个预测子模型的错判率；将目标用户的特征数据分别输入到每个预测子模型中，得到每个预测子模型输出的信用分值；根据每个预测子模型的错判率，对每个预测子模型输出的信用分值进行统计，得到目标用户的信用分值。本发明应用至少两个预测子模型以及该至少两个预测子模型的错判率统计得到的信用分值能够表示目标用户在至少两个方面的可信程度，预测的信用分值更加全面，提高了预测的精确性。

技术领域

本发明涉及大数据技术领域，特别涉及一种信用分值预测方法及装置。

背景技术

用户在日常生活的方方面面都可能会产生特征数据，而某些机构可能会收集用户在特定方面的特征数据，并根据收集到的特征数据确定信用分值，信用分值是一种能够反映用户信用的数据，通过信用分值可以衡量用户的可信程度，评估用户的信用风险。其中特征数据可以描述用户在特定方面的特征，信用分值可以表示用户在特定方面的可信程度。例如，银行会收集用户的金融特征数据，并确定用户在金融方面的可信程度，是否具有偿还欠款的能力，而公交公司会收集用户的交通特征数据，并确定用户在交通出行方面的可信程度，是否具有逃票风险等。

而随着大众用户的特征数据日益复杂，为了准确预测用户的信用分值，通常会获取预测模型，基于获取的预测模型进行预测。在获取预测模型时，可以将这些机构作为数据源，获取某一数据源提供的至少两个样本用户在特定方面的特征数据和信用分值，通过训练得到预测模型，该预测模型用于根据用户在特定方面的特征数据预测用户的信用分值，以信用分值来表示用户在特定方面的可信程度。那么，当要预测目标用户的信用分值时，获取该目标用户在特定方面的特征数据，输入到该预测模型中，即可基于该预测模型确定该目标用户的信用分值。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：上述获取预测模型的过程中采用的数据源单一，导致仅能根据样本用户在单一方面的特征数据和信用分值获取预测模型，进而导致应用该预测模型仅能预测目标用户在单一方面的信用分值，而不能全面预测目标用户的信用分值，预测不够精确。

发明内容

为了解决相关技术的问题，本发明实施例提供了一种信用分值预测方法及装置。所述技术方案如下：

第一方面，提供了一种信用分值预测方法，所述方法包括：

获取至少两个数据源中每个数据源提供的样本数据，每个数据源提供的样本数据包括至少两个样本用户的特征数据和信用分值，不同数据源提供的特征数据用于描述样本用户在不同方面的特征，不同数据源提供的信用分值用于表示样本用户在不同方面的可信程度；

分别根据所述至少两个数据源中每个数据源提供的样本数据进行训练，得到与所述至少两个数据源对应的至少两个预测子模型，并获取每个预测子模型的错判率，所述错判率用于表示预测子模型预测错误的概率；

将目标用户的特征数据分别输入到所述每个预测子模型中，得到所述每个预测子模型输出的信用分值；

根据所述每个预测子模型的错判率，对所述每个预测子模型输出的信用分值进行统计，得到所述目标用户的信用分值。

第二方面，提供了一种信用分值预测装置，所述装置包括：

获取模块，用于获取至少两个数据源中每个数据源提供的样本数据，每个数据源提供的样本数据包括至少两个样本用户的特征数据和信用分值，不同数据源提供的特征数据用于描述样本用户在不同方面的特征，不同数据源提供的信用分值用于表示样本用户在不同方面的可信程度；

训练模块，用于分别根据所述至少两个数据源中每个数据源提供的样本数据进行训练，得到与所述至少两个数据源对应的至少两个预测子模型，并获取每个预测子模型的错判率，所述错判率用于表示预测子模型预测错误的概率；